Matlab遗传算法工具箱的应用-

1、文章编号:1006-1576(200506-0115-02Matlab遗传算法工具箱的应用曾日波(江西财经大学电子学院,江西南昌 330013摘要:Matlab遗传算法(GA优化工具箱是基于基本操作及终止条件、二进制和十进制相互转换等操作的综合函数库。其实现步骤包括:通过输入及输出函数求出遗传算法主函数、初始种群的生成函数,采用选择、交叉、变异操作求得基本遗传操作函数。以函数仿真为例,对该函数优化和GA改进,只需改写函数m文件形式即可。关键词:遗传算法;Matlab;遗传算法工具箱;仿真中图分类号:TP391.9 文献标识码:AApplication of Genetic Algorithm

2、Toolbox Based on MatlabZENG Ri-bo(College of Finance and Economics Electronics, Jiangxi University, Nanchang 330013, China Abstract: The optimization toolbox of Matlab genetic algorithm (GA is a excellent generalized function library is to bases on basic operation and terminate term, the inter-conve

3、rsion between binary system and ten system the system etc. Its step includes: the main function of GA and the creation functions of initial population was calculated through inputting and outputting functions, and the basic functions of genetic operation was computed by choosing, interlacing, and ab

4、errance functions to realize the system. Take the function simulation as an example, the optimization of function and improvement of GA were achieved by modification the file format of m function.Keywords: Genetic algorithm; Matlab; Optimization toolbox; Simulation1 引言遗传算法(GA:Genetic Algorithm是对生物进化

5、过程进行的数学方式仿真。将Matlab引入遗传算法,在Matlab平台上开发遗传算法的优化工具箱(GAOT:Genetic Algorithm for Optimization Toolbox,可更好地认识GA,改进GA。2 基于Matlab的优化工具箱遗传算法的优化工具箱(GAOT是从遗传算法的基本结构出发,考虑到基本操作及终止条件、二进制和十进制的相互转换等操作的综合函数库。2.1遗传算法主函数functionx,endPop,bPop,traceInfo=ga(bounds,evalFN,evalOps,startPop,opts,termFN,termOps,selectFN,sele

6、ctOps,xOverFNs,xOverOps,mutFNs,mutOps输出参数:x-最优解,endPop-最终种群, bPop-最优种群的搜索轨迹。输入参数:bounds-变量上下界的矩阵, evalFN-适应度函数,evalOps-传递给适应度函数的参数,startPop-初始种群,termFN-终止函数的名称,termOps-传递个终止函数的参数,selectFN -选择函数的名称,selectOps-传递个选择函数的参数,xOverFNs-交叉函数名称表,以空格分开, xOverOps-传递给交叉函数的参数表,mutFNs-变异函数表,mutOps-传递给交叉函数的参数表。2.2 初

7、始种群的生成函数functionpop=initializega(num,bounds,eevalFN,eevalOps,options输出参数:pop-生成的初始种群。输入参数:num-种群中的个体数目,bounds -代表变量的上下界的矩阵,eevalFN-适应度函数,eevalOps-传递给适应度函数的参数,options -选择编码形式(浮点编码或是二进制编码 precision F_or_B,precision-变量进行二进制编码时指定的精度,F_or_B-为1时选择浮点编码,否则为二进制编码,由precision指定精度。2.3 基本遗传操作函数(1 选择functionnewPo

8、p = Select(oldPop,options参数说明:newPop-由父代种群选出的新的种群,oldPop-当前的种群(即父代种群,options -选择概率。(2 交叉function c1,c2=crossover(p1,p2,bounds,ops参数说明:p1-第一个父代个体,p2-第二个父代个体,bounds-可行域的边界矩阵,c1、c2-产生的两个新的子代。(3 变异function child = Mutation(par,bounds,genInfo,Ops 变异操作是由一个父代产生单个子代。3 仿真实例与分析收稿日期:2005-06-15;修回日期:2005-08-07作

9、者简介:曾日波(1964-,男,江西人,2000年获华中科技大学工程硕士学位,从事嵌入式系统的应用研究。·115· ·116·代表种群个体中当前最优值的轨迹,虚线代表种群中个体的平均值的轨迹。迭代过程如表1。图1 仿真结果 表1 迭代过程迭代次数1 3 6 7 9 函数值 20.190259 20.551384 24.270734 24.420093 24.744628迭代次数11 15 16 25 50 函数值 24.845763 24.855317 24.855361 24.855361 24.8553613.2 传统遗传算法与GAOT 的应用比较采

10、用自适应遗传算法即变固定的交叉率和变异率为自适应变化,以加快其收敛性。图2、3是传统遗传算法和GAOT 的比较。 图2 传统遗传算法仿真实验既利用了GAOT 本身提供的m 函数文件,也将改进的GA 算法编成m 文件在GAOT 中运行。通过仿真图能够直观地反映GA ,与其他传统寻优方法相比,它具有明显优势,同时直观显示改进GA 比传统GA 具有收敛速度快、不易陷入局部极小、精度高等特性。图3 GAOT 应用4 结束语基于Matlab 的遗传算法优化工具箱提供了一个标准的、可扩展的、简单的算法,利用Matlab 的强大的矩阵运算能力,使用者可以避免维护遗传算法种群和染色体的数据结构的繁重编程工作,

11、将精力集中在遗传算法的改进和具体问题的应用中去。参考文献:1 周明, 孙树栋. 遗传算法原理及应用M. 北京: 国防工业出版社, 1999.2 张志涌, 徐彦琴. Matlab 教程M. 北京: 北京航空航天大学出版社, 2001.3 Christopher R Houck, Jeffery A Joines, Michael G Kay.Agenetical Gorithm for Function Optimization: A Vatlab Implementation Z.虚拟现实在火工品生产培训中的作用袁志国,刘有智(中北大学 化学工程系,山西 太原 030051 摘要:虚拟现实技术

12、是由多媒体技术与仿真技术相结合而生成的。它具有多感知性、沉浸特性、交互性和自主性等特征。分为桌面型虚拟现实、沉浸型虚拟现实、增强现实型虚拟现实和分布式共享型虚拟现实等四种类型。并广泛应用在火工品生产培训中,起着多感知性、强化培训效果和节约培训成本等作用。Application of Virtual Reality Technology in Powder and Detonator Produce TrainingYUAN Zhi-guo, LIU You-zhi(Dept. of Chemical Engineering, North University of China,Taiyuan

13、030051, China Abstract: The virtual reality technology was created by the cooperation of multi-media technology and simulation technology. It includes multi-sensation feature, immersion feature, interaction feature, autonomy feature and so on. The virtual reality technology can be divided into desktop type virtual reality, immersion type virtual reality, increasing- reality type virtual reality, and